00:00:07 サプライチェーンプランナー向けのSKU管理について議論しています。
00:01:09 SKU管理が業界セクターに依存する点。
00:02:14 小売業におけるSKU管理と需要プランナーへの影響。
00:04:00 SKU管理を促進する要因と従来のルール。
00:07:01 従来のアプローチとLocaのSKU管理手法の比較。
00:08:01 従来の需要計画とサプライチェーンサイエンスの違いについて議論する。
00:09:37 賢明な在庫補充決定の重要性。
00:11:00 数値的レシピを使い、一人で何百万ものSKUを管理する能力。
00:12:19 数値的レシピが企業の資産構築に如何に寄与するか。
00:14:00 反復するホワイトカラー業務の自動化の必要性と自動化の限界。
00:16:02 サプライチェーンサイエンティストの限界と複雑性の管理。
00:17:42 生産性の逓減とサイエンティスト間の連携。
00:19:33 一人のサイエンティストとチームの効果・速度の比較。
00:21:09 継続的改善とサプライチェーンサイエンティストの資本主義的アプローチ。
00:22:45 サプライチェーン管理における資本主義的アプローチ実施の障壁。
要約
最近のインタビューで、Lokadの創設者ジョアネス・ヴェルモレルは、現代のサプライチェーンプランナー、特に在庫管理単位（SKU）の管理における課題について語りました。ヴェルモレル氏は、管理されるSKUの数は業界によって数百から数千の範囲であると説明しています。伝統的には、需要プランナーは何十ものカラムを持つスプレッドシートを使用して在庫の決定を行いますが、Lokadはサプライチェーンサイエンティストが数値的レシピを開発して在庫決定を行う手法を採用しています。目標は「狂気ゼロ」のソリューションを作り、判断が合理的であることを保証することです。ヴェルモレル氏は、すべての問題を修正すべきバグと捉える姿勢が、常に成長と改善を促し、全体のパフォーマンス向上につながると主張しています。
詳細な要約
インタビューでは、ホストのキエラン・チャンドラーが、Lokadの創設者ジョアネス・ヴェルモレルとともに、現代のサプライチェーンプランナーが直面するSKU管理の課題について議論しています。ヴェルモレル氏は、プランナーが管理するSKUの数は、業界セクターにより数百から数千に及ぶと説明しています。小売業は例外的で、プランナーが倉庫レベルで多くのSKUを扱う一方、店舗レベルでは通常、個別のSKUではなくmin-maxテンプレートを管理します。
プランナーが管理するSKUの数は、リファレンス一覧を一巡するのにかかる時間によって決まることが多いです。プランナーは通常、スプレッドシートを用いて数量やmin-max値を調整し、SKUを売れ筋や回転の遅い商品などのカテゴリーに分類します。
ヴェルモレル氏は、SKUの量と不規則性の関係が逆相関にあると強調しています。大量を扱う大手FMCG（高速回転消費財）企業は不規則性が低い一方、少量で不規則性の高い自動車部品などの業界は予測がより難しくなるものの、経済的価値はそれほど大きくありません。 サプライチェーンプランナーが管理するSKUの数は、業界セクターや製品の性質によって異なります。通常、数百から数千のSKUを管理し、数量、不規則性、経済的価値などの要因を考慮してスプレッドシートで在庫レベルを監視・調整します。
彼らは、Lokadのアプローチを従来のサプライチェーン管理の手法と対比させています。
従来、需要プランナーは何十もの列を持つスプレッドシートを使用して在庫決定を行い、優先度の高い項目（A）に注力し、低い項目（BやC）にはあまり注目しませんでした。この方法は多額の運用費用（OPEX）を伴い、資本化される部分はほとんどなく、唯一の資本化はスプレッドシートの設計に依存し、その後の月で役立つに留まります。
一方、Lokadは在庫決定のために数値的レシピを開発するサプライチェーンサイエンティストを起用しています。彼らの第一の目標は「狂気ゼロ」のソリューションを作り、決定が合理的であることを保証することです。例えば、最も売れるからといってファッションストアに茶色と黒のハンドバッグだけを在庫するという誤った判断は、マーチャンダイジング上必要な他の色を無視する結果に繋がりかねません。
専門知識を捉える数値的レシピを確立することで、Lokadのアプローチは一人のサプライチェーンサイエンティストが膨大なSKUと莫大な在庫を管理することを可能にします。この手法は、同じ業務量を管理するために数十、場合によっては数百の需要プランナーを要する従来の方法から大きく逸脱しています。Lokadはリソースの消費（OPEX）ではなく、資産の構築（CAPEX）に注力しています。
Lokadの手法は、利用可能なデータに基づいて決定を下しているため、毎日スプレッドシートに戻る必要性に疑問を呈しています。代わりに、需要プランナーの思考プロセスを数値的レシピを通じて実装し、特定の機械学習技術を取り入れる可能性もあります。
ヴェルモレル氏は、反復作業をホワイトカラー労働者が行っている企業において、機械学習技術の活用が効率向上に繋がる重要性を説いています。しかし、現行技術の限界から、倉庫の清掃など自動化が困難な作業もあると認めています。
ヴェルモレル氏は、発注数量や価格設定といった多くのサプライチェーンの意思決定は、数値的レシピによって完全に自動化可能であると強調しています。これは、人間の監督を排除する自動化ではなく、人間の洞察を大規模に展開し、コンピューターに反復的な数値計算を任せるという意味です。その限界は、サプライチェーン自体の複雑性と、数値的レシピをソフトウェア的に管理可能にするための近似の必要性にあります。
コードの行数と一人のサプライチェーンサイエンティストの業務負荷とのバランスについても議論されており、サプライチェーンを複数のサイエンティストが管理する小さな部分に分割することで、数値的レシピの精度向上が期待できるとヴェルモレル氏は提案しています。しかし、これにより追加のサイエンティストの貢献度が相対的に低下し、生産性が逓減する可能性もあります。
インタビューでは、一人が膨大なSKUを管理するという生産性のパラドックスと、大規模なサプライチェーンを扱うためにより多くの人手が必要である点に触れ、誰かが退社した場合に備えた後任の確保（いわゆる「トラック要因」の軽減）の重要性が強調されています。
議論は、テクノロジーと継続的改善を活用することで、サプライチェーンの意思決定がより効果的、効率的、そして資本主義的に行える方法に焦点を当てています。
ヴェルモレル氏は、人間の意思決定とスプレッドシートに依存する従来の需要計画手法は、継続的改善を推進する能力に限界があると主張しています。需要計画システムの初期設定後、改善が停滞し、チームはシステムの維持に終始してしまい、継続的改善に必要な時間とリソースが確保できなくなります。
一方、Lokadのアプローチはサプライチェーンの意思決定を100%自動化することを目指し、サプライチェーンサイエンティストが全力で継続的改善に取り組める環境を構築します。この種のシステム構築は従来の需要計画システムより時間を要するものの、最終的にはより効率的かつ効果的なサプライチェーンを実現します。
ヴェルモレル氏は、あらゆる問題を修正すべきバグと捉える姿勢が、絶え間ない成長と改善のマインドセットを促すと強調しています。この資本主義的なサプライチェーン管理手法により、サイエンティストは常に改善を積み重ね、全体のパフォーマンス向上に寄与しています。
しかし、こうした資本主義的アプローチの実現には課題もあります。何十年もの間、そのようなシステムに必要な技術やソフトウェアは存在せず、また多くの企業はサプライチェーン管理を単なる支援機能やコストセンターと見なしていたため、新たな技術や手法への投資意欲が低かったのです。
これらの障壁を克服するため、ヴェルモレル氏は、企業がサプライチェーン管理をコストセンターではなく資産として捉えるというマインドセットの変革が必要であり、新技術とソフトウェアの活用と相まって、より資本主義的かつ効果的な意思決定アプローチが可能になると示唆しています。
完全な書き起こし
Kieran Chandler: 近代的な企業が次第に大規模なカタログを提供し、テクノロジーが在庫管理を容易にする中で、現代のサプライチェーンプランナーは多数のタスクを同時にこなさなければなりません。サプライチェーンプランナーが何個のSKUを管理すべきか、またどれくらいが多すぎるのかを問いかけます。ジョアネス、最近サプライチェーンプランナーの仕事量が非常に多くなっているようですが、通常彼らは何個のSKUを管理しているのでしょうか？
Joannes Vermorel: 私の観察では、業界によりますが、多くの企業は通常、数百から数千のSKUを管理しています。場合によっては数万のSKUを扱うこともありますが、それは例外的です。一般的には500から1,000程度のSKUが見受けられます。
Kieran Chandler: 業界によってどの程度差が出るのでしょうか？高級小売では管理するSKUが少ないと思いますが、ハイパーマーケットではもっと多く管理するのでしょうか？
Joannes Vermorel: はい、小売業は需要プランナーがより多くのSKUを扱う例外的なケースです。しかし、小売ネットワークにおいても、需要プランナーは通常、倉庫レベルで数百のSKUのみを管理します。店舗レベルでは、類似の特徴を持つ多数の店舗で展開されるmin-maxテンプレートを使用するため、直接SKUを管理するのではなく、メタSKUまたはテンプレートを管理しています。店舗数に製品数を掛け合わせれば膨大なSKU数になりますが、実際の業務はそうではありません。結果として、1人当たりの管理SKU数は最大でも数千に留まります。
Kieran Chandler: SKUの管理数はどのような要因で決まるのでしょうか？また、一般的なルールは存在するのでしょうか？
Joannes Vermorel: 多くの需要・供給プランナーが従来採用してきた方法は、1行に1SKUずつ記載された長いスプレッドシートを順に確認することです。各行には、過去数週間、昨年、または前年同期間の販売量など、指標や季節性を考慮する情報が含まれており、プランナーはそれらのデータに基づいて数量やmin-maxレベルを調整します。
Kieran Chandler: スプレッドシートでは、最初に戻って反復処理を行います。場合によっては、SKUをABCなどのクラスに分類し、売れ筋商品に多くの時間を、回転の遅い商品には少ない時間を割く、といった形になります。つまり、需要プランナーがリストを一巡するのにかかる時間によって、管理するSKUの数が決まるのです。たとえば、コカ・コーラのように製品が1種類しかない場合、需要プランナーは1人で十分なのでしょうか？
Joannes Vermorel: いいえ、コカ・コーラには何百もの製品があります。コカ・コーラ視点で計画すべき事項を見ると、まず巨大なチャネルすべてをほぼ網羅的に計画する必要があり、通常、プランナーは地域やチャネルごとに配置されるため、1チャネルにつき1人のプランナーになります。結果として、各プランナーは数百SKUを担当し、大手FMCG企業ではVMI（ベンダー管理在庫）も行うので、再び1人あたり数百SKUとなります。
Kieran Chandler: では、ファッションのように新製品が多い業界では、予測が難しくなるということで、1人あたり管理できるSKU数が少なくなるのでしょうか？
Joannes Vermorel: それは興味深い点です。ここで述べているのは、Lokadが実践している方法ではなく、現代で主流と考えられる方法です。しかし、非常に不規則性の高い製品は、通常、取扱量が非常に少ないものです。不規則性と取扱量には逆相関があり、大手FMCG企業では取扱量が多く不規則性が低いのに対し、取扱量が少なく不規則性が非常に高い場合、技術的には予測が難しくなります。しかし、予測対象が経済的に大きな規模である場合、その重要性は増します。一方、例えばロングテールの自動車部品のように、予測が非常に不規則で取扱量も極少、かつ価値が低い場合、技術的には予測が難しく不規則性が高くても、経済的な重みは低いため、そこに多くの時間を費やすのは合理的ではありません。
Kieran Chandler: では、Lokadが行う方法を、よりクラシックなアプローチと対比してみましょう。サプライチェーン科学者が管理する方法と、従来の方法で管理するものとでは、どのように異なるのでしょうか？
Joannes Vermorel: 従来の視点では、それが需要プランナー一人あたりのSKU数が多い理由となっています。従来の方法とは、文字通り、人々が情報を集約するというやり方です。
Kieran Chandler: つまり、人々は何を見るべきかを説明する何十もの列を持つスプレッドシートを使って、スプレッドシートを一通り確認しながら意思決定を行います。最も重要な項目から始め、重要度の低いものにはあまり時間をかけません。これらの項目にはどのくらいの頻度で再訪するのでしょうか？
Joannes Vermorel: まあ、重要な項目は毎日再確認し、重要度の低い項目は月に一度のペースで再確認するかもしれません。プランナーが費やす時間は運用費用です。需要計画の作業だけにかかるプランナーの作業時間は、資本化されないのです。資本化される唯一の部分は、関連するすべての列を備えたデザインの良いスプレッドシートの設定です。この部分の作業、すなわち整ったスプレッドシートの整備は、一度行えばそれ以降の月々の作業が速くなるという点で資本主義的です。しかし、この部分は最初の数週間で完了し、それ以降は資本化されません。
Kieran Chandler: では、Lokadのアプローチが伝統的な方法とどう異なるのか、教えていただけますか？
Joannes Vermorel: Lokadのアプローチは非常に異なります。サプライチェーン科学者は、本質的に、即戦力となる「馬鹿げた判断をしない」ためのレシピを作り上げます。つまり、全く常識外れな判断がない状態を目指すのです。それが生産に向けた最初のマイルストーンです。
Kieran Chandler: では、馬鹿げた判断とはどのようなものか、例を挙げていただけますか？
Joannes Vermorel: 例えば、ハンドバッグを扱うファッションストアがあるとしましょう。最も売れる色である茶色と黒のハンドバッグだけを店頭に並べた場合、ウィンドウディスプレイは寂しくなり、色の多様性に欠けます。販売促進のために、白や黄色など他の色のアクセントを取り入れたいところです。スマートな在庫補充の決定は、売上やサービスのみならず、店舗の見た目も考慮する必要があります。
Kieran Chandler: つまり、数値的なレシピは、単純な安全在庫の公式にとどまらず、手作業で行う人の専門知識を反映すべきだ、ということですか？
Joannes Vermorel: その通りです。まず、こうした洞察を捉える数値レシピを確立することが重要です。そして、それが整えば、ほぼどんな規模でも運用可能だと分かります。Lokadでは、個々のサプライチェーン科学者が10億ユーロ以上の在庫を管理しています。
Kieran Chandler: 在庫について、たった一人で個別に約400万のSKUを管理しているのです。つまり、一人が管理できるSKU数と、従来の方法で管理する場合に必要な何十人、いや場合によっては何百人ものプランナーの規模との間には、完全な乖離が生じるということです。ちなみに、このような技術を導入した際、クライアント側では大規模な変革が起こりましたが、それは突然というものでした…
Joannes Vermorel: ちなみに、これが全てのプランナーが解雇されたというわけではありません。むしろ、付加価値を生み出す多くの要素が存在します。しかし、もしあなたが会社の一員で、毎日スプレッドシートを行ったり来たりしているだけなら、それがどれだけ正確な価値を会社にもたらしているのでしょうか？本当に、あなたの仕事が会社への投資となり、その成果が会社の資産を生み出しているのでしょうか？それとも、単なる消耗品に過ぎないのでしょうか？これがキャペックス対オペックスの問題です。Lokadのアプローチは、本質的に「キャペックス、キャペックス、キャペックス」、つまり資産を築くことに重点を置いています。
Kieran Chandler: では、その数値レシピはどのようにして資産を築くのでしょうか？どのように機能するのですか？
Joannes Vermorel: そもそも、なぜ毎日スプレッドシートに再度目を通す必要があるのでしょうか？意思決定は、あなたが持っているデータに基づいて行われるはずです。ご覧の通り、需要プランナーとして数百の商品を扱う場合、すべての商品を丸暗記しているわけではありません。特定の分野では例外もありますが、通常は、見るべき点を説明する何十もの列を適切に設計し、その上で数値に基づいた意思決定を行います。Lokadのアプローチは、あなたが頭の中でやっていることを実際に実装しようというものです。そして、場合によっては特定の機械学習の要素が必要になるかもしれません。確かに、単純な数式、すなわち従来の数値公式だけでは表現しにくい関係性、たとえば頭の中でリスク評価を行っている場合などもあるのです。
例えば、Lokadが数値的にリスク評価に取り組む方法は、確率的予測と経済的ドライバーを活用することです。しかし、問題は数多く存在し、数値レシピで生成された数値が明らかに誤っている場合は、それをバグとして認識し、修正する必要があります。例外もアラートもあってはなりません。
Kieran Chandler: では、先ほど言及された機械学習の要素ですが、あらゆる企業がそのような技術を活用するべきでしょうか？
Joannes Vermorel: 現代において、依然としてホワイトカラーの従業員が極めて反復的な作業を行っている企業は、単に間違った選択をしていると言えます。例外はありません。物理的な作業に関しては、自動化が非常に困難な分野も存在します。例えば、ロボットは時として硬直的で、人間が何かを行う必要がある場合もあるのです。
Kieran Chandler: 倉庫で油がこぼれるなど、清掃作業のような一見シンプルな作業でさえ、自動化は極めて難しいのです。清掃用のスポンジを持って掃除できるロボットを用意するのは非常に困難です。つまり、水桶、スポンジ、洗剤などを使って掃除するという一見単純な作業も、実際には自動化が難しく、現時点で最先端のロボットの能力を超えているのです。
Joannes Vermorel: このような作業は、人間が行うべきですが、自動化は技術的にまだ手が届かないのです。しかし、サプライチェーンに関する意思決定、例えば、何を注文すべきか、管理している各SKUに対していくつの単位を発注すべきか、価格を上げるべきか下げるべきか、またはA地点からB地点への在庫移動などといった数値的な決定は、完全に自動化可能です。ここでいう自動化とは、人の監督を全く必要としないものではなく、人間が状況を理解した上で設計した数値レシピを指しています。言い換えれば、その人間的な洞察を大規模に展開し、コンピューターに日常の数値作業を任せるというアプローチなのです。
Kieran Chandler: では、制約はどこにあるのでしょうか？サプライチェーン科学者が数十億ドル相当の在庫を管理すると言われましたが、制約となる要因は何でしょうか？
Joannes Vermorel: 制約はサプライチェーン自体の複雑性にあります。ある時点で、数値レシピはサプライチェーンの近似となるため、おおよそ正しく、全く間違ったものではないことが望まれます。サプライチェーン科学者は現実を正確にモデル化することはできません。ソフトウェアの観点から数値レシピを管理可能に保つために、常に選択を迫られるのです。コードの行数が問題となり、もしあなたが1人であれば20,000行のコードを維持することは可能ですが、半百万行を1人で管理しなければならなければ、それは手に負えなくなります。したがって、関与するコードの行数にはバランスが必要なのです。
つまり、1人で管理している場合、特に非常に大規模なサプライチェーンにおいては、サプライチェーン全体を複数のサプライチェーン科学者で分担し、個々が特定の問題により多くの時間を割けるようにする方法を導入することが有効です。例えば、1つのサプライチェーンにおいて、価格決定と購買決定が同時に行われる場合、ある時点でこれらは密接に絡み合いますが、
Kieran Chandler: それで、Joannesさん、価格設定と購買を担当する2人を配置することが有益であるとおっしゃいましたが、生産性には逓減があると。もう少し詳しく説明していただけますか？
Joannes Vermorel: はい、価格設定と購買の数値レシピをより洗練させるために2人配置するのは理にかなっています。しかし、その2人は多くの議論や調整を行う必要があり、そのため生産性には逓減が見られるのです。つまり、たった1パーセントの性能向上を狙うために、多少の向上効果しか見込めなくとも人員を追加するのは合理的です。もし完全に線形であれば、2人目を追加することで生産性が100%向上するはずですが、実際には約50%程度、3人目ではさらに30%程度の向上しか得られません。結果として、スループットは非常に急速に低下します。規模の経済は非常に強力ですが、それでも大規模なサプライチェーンの場合、誰かが退職したときの対応や引継ぎのために追加の人員を確保する価値はあるのです。
Kieran Chandler: 生産性という言葉に触れられるのは興味深いですね。一人がはるかに多くのSKUを担当しているのに、どうしてより効果的かつ迅速に意思決定できるのでしょうか？それに対し、より狭い範囲を担当するチームと比べて、どうしてそうなのでしょうか？
Joannes Vermorel: 小規模な範囲を担当するチームは、行っている作業に資本主義的な投資がほとんどありません。つまり、資本主義的な投資が行われるのは、整ったスプレッドシートや作業環境の設定のみであり、これは最初の数週間で済むだけです。その後は、設定による資本化が行われず、全ての努力が単に消費され、システムにさらなる知性を注入する余裕がなくなってしまうのです。結果、全ての時間がただの作業プロセスのループに費やされ、継続的な改善に回す時間が残らなくなります。一方で、Lokadのアプローチは、サプライチェーン科学者の努力の100%を継続的な改善に充てるべきだと考えています。そのため、従来の需要計画の方法と比べると初期設定にもう少し時間がかかるかもしれません。従来ならスプレッドシートの整備だけで2週間で終わるかもしれませんが、Lokadの場合はさらに数週間必要になるかもしれません。しかし、その見返りとして、日々の意思決定の100%が自動で処理され、ほぼ全ての時間を継続的な改善に集中できるようになるのです。
Kieran Chandler: なるほど。そして、すべての問題を修正すべきバグとして扱うのは、時間がかかるはずですね。
Joannes Vermorel: はい、しかし、すべての問題をバグと見なすと、毎朝オフィスに足を踏み入れた際に、すぐに「火事を消さなければならない事態」がないか念のため確認する必要が出てきます。
Kieran Chandler: 予期せぬ事態、例えば倉庫が浸水するなど、どうしようもない事が起こっても、あなたは丸一日を数値レシピの改善に費やせる。これが非常に資本主義的なアプローチを生むのです。従来の需要プランナーが最初の2週間で行っていた作業とは異なり、サプライチェーン科学者は毎週改善の層を積み重ね、その結果、数ヶ月後にはたった1人であっても従来の方法よりはるかに生産性が高く、サプライチェーンパフォーマンステストの観点からも優れた成果を出すようになります。さて、そろそろまとめに入りましょう。では、こうした資本主義的アプローチの導入における最大の障壁は何でしょうか？どのような大きな課題を解決する必要があるのでしょうか？
ジョアネス・ヴェルモレル: つまり、最大の課題は何十年もの間、このようなことを可能にするソフトウェアレシピやソフトウェア技術が存在しなかったことにあります。私たちはスプレッドシートを使っていましたし、たとえばLokadでは確率論的アプローチを見いだすまでは、リスク評価を行っている需要プランナーの頭の中で何が起こっているのかを数値で表現するのに非常に苦労しました。直感的には何が起こっているかは理解できていたものの、人々は自分が何をしているかを説明できても、それをどのように公式に落とし込むかが問題でした。それは未解決の問いでした。もちろん、安全在庫のようにそれを何とかしようとする公式やアプローチは存在しますが、うまく機能しなかったのです。より優れた数値的レシピが必要だった、というわけです。これが一つの障壁でした。もう一つの障壁は、多くの企業がサプライチェーンを重要な機能と捉えていなかったことにあります。サプライチェーンは単なるサポート機能としか見なされておらず、それがコア機能でないことは問題とされませんでした。ただのサポート機能であり、ほとんどのサポート機能と同様にお金がかかるだけの存在で、企業がそのサポート機能に価値を創出してもらうことは期待されなかったのです。したがって、それは単なるコストセンターに過ぎず、このコストセンターが自らのコストを管理していればそれでよしとされました。ご覧の通り、問題は二重だったのです。まず第一に、このことを資本主義的に扱うための実際の技術的手法が存在しなかったという点。そして第二に、人々がそれを資産と認識しなければ、実際にその実践を資本主義的へと変革するというマインドセットに入らないという点です。ご理解の通り、サプライチェーンの実践が資本主義的になるためには、まずそれが資産となりうるという信念、つまり信頼の行為から始めなければなりません。もしそれを単なるサポート機能、すなわちコストセンターと考え続けるなら、決してコストセンター以上に発展することはないでしょう。
キーレン・チャンドラー: ええ、物事をより資本主義的に変えるというこの考え方は興味深いですね。では、ここで締めくくらせていただきます。ご視聴いただき、本当にありがとうございました。また次回のエピソードでお会いしましょう。ご視聴ありがとうございました。
